Jumeaux Numériques Adaptatifs pour les Réseaux Sans Fil à travers une Métrologie Frugale et une Modélisation Scalable

Offre de thèse

Date limite de candidature

30-06-2026

Date de début de contrat

01-10-2026

Directeur de thèse

RONDEAU Eric

Encadrement

Thèse co-encadrée avec Samir Si Mohammed

Type de contrat

Concours pour un contrat doctoral

Candidater à cette offre

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

équipe

MPSI - Modélisation, Pilotage, Sûreté des Systèmes Industriels

contexte

spécialité

Automatique, Traitement du signal et des images, Génie informatique

laboratoire

CRAN - Centre de Recherche en Automatique de Nancy

Mots clés

Réseaux, jumeaux numériques

Détail de l'offre

L'évolution des réseaux sans fil vers des infrastructures toujours plus complexes, dynamiques et hétérogènes représente aujourd'hui un défi majeur pour leur supervision et leur optimisation. Les environnements radio sont caractérisés par des variations permanentes liées à la mobilité des utilisateurs, aux fluctuations du trafic réseau et aux changements des conditions de propagation. Dans ce contexte, les modèles classiques de simulation et d'évaluation de performance montrent rapidement leurs limites, notamment lorsqu'il s'agit de représenter fidèlement le comportement réel du réseau en temps réel.
Afin de répondre à ces problématiques, le concept de Digital Twin apparaît comme une solution innovante et prometteuse. Un Digital Twin correspond à une réplique virtuelle dynamique d'un système physique capable de rester synchronisée avec celui-ci grâce à un échange continu de données. Appliqué aux réseaux sans fil, ce concept permet de construire des représentations numériques intelligentes du réseau afin d'améliorer la supervision, l'automatisation et l'optimisation des performances.
Les travaux récents sur les Network Digital Twin reposent principalement sur deux approches. La première est basée sur des modèles physiques et des simulations avancées telles que le ray tracing. Ces méthodes offrent un haut niveau de précision mais nécessitent des ressources de calcul très importantes, ce qui limite leur utilisation dans des applications temps réel. La seconde approche repose sur l'utilisation de techniques d'Artificial Intelligence et d'apprentissage automatique pour modéliser le comportement du réseau à partir des données collectées. Bien que prometteuses, ces approches souffrent encore de plusieurs limites importantes : elles nécessitent souvent un grand volume de données, supposent une télémétrie idéale difficile à obtenir dans la pratique et peinent à maintenir une précision élevée dans des environnements fortement dynamiques.
Dans ce contexte, cette thèse a pour objectif de développer des jumeaux numériques adaptatifs pour les réseaux sans fil en s'appuyant sur deux axes principaux : une métrologie frugale permettant une collecte intelligente et légère des données réseau, ainsi qu'une modélisation scalable et fine des liens sans fil. L'objectif est de proposer des modèles capables de représenter fidèlement le comportement du réseau tout en réduisant les coûts de mesure, la charge de calcul et les délais de mise à jour.
-Le premier axe de recherche concerne la mise en place de mécanismes de télémétrie adaptatifs destinés à caractériser le trafic réseau de manière efficace.
-Le second axe porte sur la modélisation scalable et détaillée des liens sans fil.

Keywords

Network, digital twins

Subject details

The evolution of wireless networks toward increasingly complex, dynamic, and heterogeneous infrastructures represents a major challenge for their supervision and optimization today. Radio environments are characterized by permanent variations linked to user mobility, network traffic fluctuations, and changes in propagation conditions. In this context, conventional simulation and performance evaluation models quickly reach their limits, particularly when it comes to faithfully representing the real-world behavior of the network in real time. To address these issues, the concept of the Digital Twin emerges as an innovative and promising solution. A Digital Twin is a dynamic virtual replica of a physical system capable of remaining synchronized with it through a continuous exchange of data. Applied to wireless networks, this concept enables the construction of intelligent digital representations of the network to improve supervision, automation, and performance optimization. Recent work on Network Digital Twins relies primarily on two approaches. The first is based on physical models and advanced simulations such as ray tracing. These methods offer a high level of accuracy but require substantial computational resources, which limits their use in real-time applications. The second approach relies on the use of Artificial Intelligence and machine learning techniques to model network behavior from collected data. Although promising, these approaches still suffer from several significant limitations: they often require a large volume of data, assume ideal telemetry that is difficult to obtain in practice, and struggle to maintain high accuracy in highly dynamic environments. In this context, this thesis aims to develop adaptive digital twins for wireless networks by focusing on two main axes: frugal metrology allowing for intelligent and lightweight network data collection, as well as scalable and fine-grained modeling of wireless links. The objective is to propose models capable of faithfully representing network behavior while reducing measurement costs, computational overhead, and update delays. -The first research axis concerns the implementation of adaptive telemetry mechanisms designed to efficiently characterize network traffic. -The second axis focuses on the scalable and detailed modeling of wireless links.

Profil du candidat

Nous cherchons un candidat(e) qui est diplômé(e) ou dans sa dernière année d'études de Master ou d'école d'ingénieur en informatique, génie électrique, ou un domaine lié. Un bon niveau en anglais est exigé (min B2) et la maîtrise du français n'est pas obligatoire. Une expérience en simulation et en expérimentation réseau sera appréciée.

Candidate profile

We are looking for a candidate who has graduated or is in the final year of a Master's degree or an engineering school program in computer science, electrical engineering, or a related field. A good level of English is required (minimum B2), and proficiency in French is not mandatory. Experience with network simulation and experimentation will be appreciated.

Référence biblio

- [1] Samir Si-Mohammed and Fabrice Theoleyre. 'Per Link Data-driven Network Replication Towards Self-Adaptive Digital Twins'. In: IEEE MSWiM. 2025.
- [2] Emmanuelle Abisset-Chavanne et al. 'A Digital Twin use cases classification and definition framework based on Industrial feedback'. In: Computers in Industry 161 (2024), p. 104113.
- [3] Mehdi Kherbache et al. 'Constructing a Network Digital Twin through formal modeling: Tackling the virtual real mapping challenge in IIoT networks'. In: Internet of Things 24 (2023), p. 101000.
- [4] Adil Rasheed, Omer San, and Trond Kvamsdal. 'Digital twin: Values, challenges and enablers from a modeling perspective'. In: IEEE access 8 (2020), pp. 21980-22012.
- [5] Andrew S Glassner. An introduction to ray tracing. Morgan Kaufmann, 1989.
- [6] Eduardo Nuno Almeida et al. 'Machine Learning Based Propagation Loss Module for Enabling Digital Twinsof Wireless Networks in ns-3'. In: Proceedings of the 2022 Workshop on ns-3 (Best paper). 2022, pp. 17-24.
- [7] Miquel Ferriol-Galmés et al. 'Building a digital twin for network optimization using graph neural networks'. In: Computer Networks, 217 (2022), p. 109329.